UniMate 上手指南3D 骨骼动画生成一句话让任意骨架动起来【免费下载链接】UniMate[SIGGRAPH Asia 2026] UniMate: One Unified Model to Animate Diverse Skeletons项目地址: https://gitcode.com/GitHub_Trending/un/UniMateUniMate 是 SIGGRAPH Asia 2026 接收的统一 3D 骨骼动画生成模型给它任意一个带骨架的 3D 资产——人形、机器人、动物甚至一朵花——再附一句文字指令它就能实时产出自然连贯的动作。不用为每种骨架单独训练测试时也不做任何优化。本文面向刚接触文本驱动 3D 动作生成的新手从环境安装、训练与推理命令讲到补间、局部编辑、长动作拼接等进阶玩法带你完整跑通这个开源项目。先跑起来UniMate 安装环境与推理命令先看怎么把环境搭好、命令跑通再回头理解模型内部是怎么回事。三步装好环境整个项目只需要一个 conda 环境三步搞定git clone https://gitcode.com/GitHub_Trending/un/UniMate conda create -n unimate python3.10 -y pip install -r requirements.txt --no-build-isolation依赖清单在 requirements.txt 中训练与推理共用同一套环境无需额外配置。训练与推理怎么跑两条命令开箱即用场景命令训练accelerate launch -m unimate.training.train --config configs/uniml3d_60frames_graph_adaln.json推理python -m unimate.inference.sample --exp_dir 实验目录 --test_cases_json 用例文件configs/ 里备有 8 份训练配置覆盖 4 种数据组合 × 2 种模型变体改 JSON 即可切换实验scripts/run_train.sh、scripts/run_sample_motion_text.sh 等封装脚本会自动激活 conda 环境、挑选显存最充足的 GPU 再启动新手直接跑 shell 脚本最省心核心能力一句话驱动任意骨架动起来文本驱动的 3D 动作生成传统做法是给每类骨架单独训练模型四足机器人动不了、动物也带不动换个骨架就得重来一遍成本又高、覆盖又窄。UniMate 反其道而行——一个统一模型多种骨架通吃双腿、四足、鸟类、海洋生物、昆虫、蛇形甚至铰接刚体这些骨架结构都能跑。具体用法输入一个 JSON 测试用例内容是骨架类型 → 提示词的对应关系写一句 a dog walks forward对应骨架就会迈开步伐。模型随即为每种骨架生成整段动画并渲染成 MP4。仓库展示的生成结果里履带机器人原地打转、人形机器人张开双臂、四足机器人迈开步伐、植物张开嘴咬向前方——全部出自同一个模型没有针对任何一种骨架做专门训练。原理上模型走的是扩散 / 流匹配路线把一段纯噪声逐步去噪一点点还原出真实动作而文字指令像导航一样在每一步指引方向最终得到 60 帧左右的连贯动画。生成的动作存成.npy文件后还能贴回原始网格把它交给数据流水线的第 5 阶段scripts/run_animate_motion.sh 一行命令就能导出带动画的 GLB / FBX直接进 DCC 工具。数据底座UniML3D 数据集UniMate 的效果来自 UniML3D 数据集共 13,006 条带文本配对的运动序列把不同来源的骨架统一到同一规范下。来源有三处来源内容MixamoAdobe 的人形角色动作库Truebones ZOO丰富的动物骨骼动作Objaverse-XL海量 3D 资产的绑定与动画从上图能看到数据覆盖面人类踢腿、飞行动作、螃蟹爬行、蛇扭身、猎豹扑击各取一段每条都带自然语言描述——这正是文本驱动动画能成立的根基。数据处理流水线从下载到动画驱动共 7 个阶段完整说明在 data_process/README.md各阶段脚本放在 data_process/scripts/ 下。进阶玩法关键帧补间、局部编辑、长序列拼接除了文生动作同一模型还顺带提供三件工具下面按能做什么 → 怎么做的顺序讲。关键帧补间首尾帧之间自动过渡只给出动作片段的开头帧和结尾帧中间的平滑过渡由模型自己补出——相当于把动画师手 K中间帧的活交给了模型。只需准备首尾两个姿势整段过渡动作即可自动长出来比如示例里的蹲下再站起。局部编辑锁定部分关节只改其余部分想让角色换一套动作、但躯干姿态保持原样用--keep_joints把髋部、脊柱等关节固定在原轨迹上再换一句提示词重新生成剩下的部分——想留的留住该动的动。改完之后同样可以把输出动作导出回原网格走 scripts/run_animate_motion.sh 产出 GLB / FBX。长动画拼接多段提示词接成长动作把多条提示词排成队列模型逐段生成并自动衔接接缝帧。站起来 → 向前走 → 原地转身三段文字由此串成一条连贯的长动作序列而不是三条互相脱节的短片段。实现上三者共用同一套替换式采样机制unimate/inference/被约束的帧在每一步去噪时都精确保持而不是靠损失函数软约束因此关键帧始终纹丝不动其余部分再自然生长。目录速查与许可证目录职责unimate/models/去噪网络图注意力 / 全注意力两种变体以及扩散与流匹配核心unimate/dataset/数据加载、增强与条件构造unimate/training/训练循环、EMA 与日志记录入口为 train.pyunimate/inference/采样入口 sample.py以及补间 / 编辑 / 扩展三大应用data_process/UniML3D 数据流水线Blender 导出、渲染、VLM 字幕、关节标注configs/8 份训练配置 JSONassets/论文配图资源代码以MIT License开放研究与商业场景都能用不过 UniML3D 由三方数据汇成使用时需分别遵守 Mixamo、Objaverse-XL、Truebones 各自的源许可。适合谁用以及几句实话3D 内容创作者给任意已绑定的角色或资产批量出动画免去逐帧 K 帧的重复劳动游戏与机器人研发四足机器人、机械臂这类非人形骨架的动作也能直接用研究者统一骨架动画 流匹配训练的完整开源参考可作起点改造也要说句实话任意骨架的文本生成动画目前仍属早期探索阶段个别骨架配个别动作会生成失败。若踩到这类坑欢迎提 issue 反馈——这些真实问题正是下一代 3D 骨骼动画模型变强的养料。【免费下载链接】UniMate[SIGGRAPH Asia 2026] UniMate: One Unified Model to Animate Diverse Skeletons项目地址: https://gitcode.com/GitHub_Trending/un/UniMate创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
